Article Per Year (5 Year)
p-Index From 2019 - 2024
1.857
P-Index
This Author published in this journals
All Journal Jurnal Infinity Jurnal Online Pendidikan Matematika Kontemporer EurekaMatika (Jurnal Online Matematika S1) Integral : Pendidikan Matematika Jurnal Eurekamatika
Nar Herrhyanto
Universitas Pendidikan Indonesia
Computer Science & IT Education Industrial & Manufacturing Engineering Mathematics

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : EurekaMatika%20(Jurnal%20Online%20Matematika%20S1)

 1 
ANALISIS DISKRIMINAN TERHADAP PERILAKU MAHASISWA DALAM MENGKONSUMSI MAKANAN CEPAT SAJI (Studi Kasus: Para Mahasiswa di UPI, ITB, UNLA, dan UIN Sunan Gunung Djati) TSN, Maria; Dasari, Dadan; Herrhyanto, Nar
Jurnal EurekaMatika (JEM) Vol 1, No 1 (2013): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keterbatasan waktu merupakan salah satu alasan bagi orang yang memiliki tingkat kesibukan yang cukup tinggi untuk memilih mengkonsumsi makanan cepat saji, termasuk mahasiswa. Faktor yang mempengaruhi orang dalam mengkonsumsi makanan cepat saji, antara lain: waktu, makanan (kualitas, jenis, dan harga), kesehatan, lokasi rumah makan, acara/kegiatan, fasilitas, dan pelayanan. Faktor tersebut digunakan sebagai dasar dalam penelitian, sehingga dapat mengelompokkan mahasiswa dalam mengkonsumsi makanan cepat saji kedalam kelompok SERING atau kelompok JARANG.Pengelompokan dilakukan menggunakan analisis diskriminan, yaitu teknik multivariat untuk memisahkan objek-objek dalam kelompok yang berbeda dan mengelompokkan objek baru kedalam kelompok-kelompok tersebut. Analisis diskriminan bertujuan untuk mengenali faktor-faktor yang dapat membedakan dua kelompok atau lebih. Berdasarkan hasil dari pengujian terhadap mahasiswa dalam mengkonsumsi makanan cepat saji, didapat faktor-faktor yang mempengaruhinya, yaitu lebih praktis dan cepat, bentuk penyajian yang menarik, harga terjangkau, lokasi strategis, dan pelayanan yang memuaskan.Kata kunci: makanan cepat saji, analisis diskriminan.
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Prihastiwi, Dwiningrum; Juandi, Dadang; Herrhyanto, Nar
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak. Pokok pembahasan dalam skripsi ini adalah langkah-langkah mendeteksi pencilan dengan pendekatan Bayesian pada model regresi linear. Metode Bayesian memberikan hasil penaksiran yang lebih baik daripada penaksiran dengan metode klasik. Pendekatan Bayesian yang dilakukan adalah dengan mempertimbangkan distribusi awal (prior) dengan melihat fungsi likelihood data dan juga melibatkan distribusi posterior. Data pencilan merupakan salah satu masalah yang sering terjadi pada model regresi. Keberadaan data pencilan dapat mengganggu proses pengujian dan pengambilan keputusan dalam penelitian. Untuk itu, ingin dikaji lebih lanjut mengenai pencarian data pencilan dengan pendekatan Bayesian. Data pencilan ini dapat diketahui dengan membandingkan peluang prior dan peluang posterior dari data regresi yang diperoleh, jika nilai peluang posterior lebih besar dari peluang prior maka data tersebut dikatakan data pencilan.Kata kunci: Pencilan, Bayesian.Abstract. The main issue in this study is the steps to detect outlier by Bayesian approach in the linear regression model. Bayesian method gives better results than the assessment of assessments by classical methods. Bayesian approach is done by considering prior distribution, which is obtained by looking likelihood function, and posterior distribution. Data outliers is one of the problem that often occur in the regression model. The existence of data outliers can disturb trial processes and decision-making in research. Furthermore, would be examined on detecting outlier by Bayesian approach. The outlier can be determined by comparing prior and posterior probability which is obtained of data regression, if posterior probability value is greater than prior probability then it called by outlier.Keyword: outlier, Bayesian.
PENERAPAN METODE WEIGTHED LEAST SQUARE UNTUK MENGATASI HETEROSKEDASTISITAS PADA ANALISIS REGRESI LINEAR Hanifah, Nurul; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK  Analisis regresi merupakan analisis statistik yang mempalajari bagaimana memodelkan regresi linear. Jika model regresi linear memenuhi uji asumsi klasik dengan metode OLS maka mempunyai sifat BLUE (Beast Linear Unbiased Estimator). Uji heteroskedastisitas,yaitu varian error pada setiap nilai variabel bebas bernilai tidak konstan. Akibat dari heteroskedastisitas yaitu nilai parameter yang diperoleh tetap tidak bias tetapi varian penaksir yang diperoleh menjadi tidak efisien, artinya uji hipotesis yang dilakukan tidak akan memberikan hasil yang baik (tidak valid) atau prediksi koefisien-koefisien populasinya akan keliru. Oleh karena itu untuk mengetahui apakah terdapat heteroskedastisitas dilakukan uji White. Karena terdapat heteroskedastisitas pada skripsi ini, maka harus dilakukan transformasi dengan metode kuadrat terkecil tertimbang (Weighted Least Square).Kata Kunci: Uji Asumsi Klasik, Weighted least Square, Uji White. ABSTRACT  Regression analysis is a statistical analysis that learn how to model linear regression. If a linear regression model meets the Classic Assumption Test by OLS method, it has the nature of BLUE (Best Linear Unbiased Estimator). Error variance at each independent variable value is not constant. It means that heteroskedasticity test is unfulfilled and  the classical assumption is not met.The result of heteroskedastisitas is that the parameter value remains biased but variance estimator becomes inefficient. It means thata hypothesis test wouldn’t give good results (not valid) or predictions coefficients of the population would be mislead. Therefore, to know whether there are heteroskedasticity, White test is conducted. Because heteroskedasticity exists in this thesis, transformation with weighted least squares method (Weighted Least Square) must be carried out.Keyword: Classic Assumption Test, Weighted least Square, White Test. 
MODEL REGRESI DATA PANEL BERGANDA (Contoh Kasus: Data Hubungan Valuasi (Cum Dividen Price (CDP)) yang diduga dipengaruhi oleh Laba (earnings per share (EPS)) dan Nilai Buku Ekuitas (Book Value (BV)) pada Tahun 1991-2000) Kurniawan, Asep Egi; Herrhyanto, Nar; Agustina, Fitriani
Jurnal EurekaMatika Vol 3, No 1 (2015): Journal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK  Metode regresi data panel merupakan salah satu metode regresi yang mengikutsertakan pengaruh waktu kedalam model. Model yang diperoleh melalui metode regresi data panel adalah model regresi data panel. Model regresi data panel beranekaragam dan dapat ditaksir melalui dua pendekatan, yakni pendekatan fixed effect dan pendekatan random effect. Model yang dihasilkan dengan pendekatan fixed effect disebut Fixed Effect Model (FEM), sedangkan model yang dihasilkan dengan pendekatan random effect disebut Random Effect Model (REM). Jika kedua pendekatan signifikan, maka pengujian hipotesis yang digunakan untuk memilih model terbaik antara pendekatan fixed effect dan random effect adalah dengan menggunakan uji Hausman. Jika, pada model data panel terdapat variabel prediktor lebih dari satu dan satu variabel respon, maka model regresi data panel tersebut merupakan model regresi data panel dengan bentuk linear berganda. Sehingga, model yang dihasilkan menjadi model regresi data panel berganda.Kata kunci: Data Panel, Pendekatan Fixed Effect, Pendekatan Random Effect, Uji Hausman.ABSTRACT  Panel data regression method is one method of regression that includes the influence of time into the model. The model obtained through the method of panel data regression is panel data regression model. Panel data regression models are diverse and can be assessed through two approaches, namely the approach of fixed effect and random effect approach. The resulting model with fixed effect approach is called Fixed Effect Model (FEM), while the resulting models with random effects approach is called Random Effects Model (REM). If both approaches significantly, then the hypothesis testing is used to select the best model among the approaches fixed effect and random effect is to use the Hausman test. If, on the model of panel data there are more than one predictor variables and the response variable, then the panel data regression model is a panel data regression model with linear forms. Thus, the resulting model into multiple panel data regression model.Keywords: Panel Data, Fixed Effect Approach, Random Effect Approach, Hausman Test.
ANALIS EFISIENSI PELAYANAN RUMAH SAKIT UMUM PEMERINTAH KABUPATEN/KOTA DI JAWA BARAT MENGGUNAKAN METODE PCA-DEA ANALYSIS EFFICIENCY OF PUBLIC HOSPITALS IN WEST JAVA: AN APPROACH TO PRINCIPAL COMPONENT ANALYSIS WITH DATA ENVELOPMENT ANALYSIS Hardiyana, Indra; Herrhyanto, Nar; Rachmatin, Dewi
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAKAnalisis efisiensi merupakan salah satu metode yang digunakan untuk menghitung kinerja Decisions Making Unit (DMU). Analisis efisiensi sendiri secara sederhana merupakan perbandingan antara output dan input suatu DMU. Bidang pelayanan kesehatan mempunyai peran dalam suksesnya pembangunan nasional yang perlu dinilai kinerjanya, oleh karena itu pada penelitian kali ini akan dikaji perhitungan efisiensi 21 rumah sakit umum kelas B milik pemerintahkabupaten/kota yang ada di Jawa Barat dengan menggunakan metode Principal Component Analysis-Data Envelopment Analysis (PCA-DEA) untuk menilai kinerja rumah sakit sebagai pelayan kesehatan masyarakat. Penelitian ini akan menggunakan PCA untuk menentukan komponen utama pada 5 variabel output dan 2 variabel input dan menggunakan hasil komponen utama PCA sebagai variabel output dan input yang baru untuk menghitung DEA, diperoleh 3 komponen utama input dan 1 komponen utama output. Dari 21 rumah sakit hanya terdapat 5 rumah sakit yang efisien berdasarkan metode PCA-CCR dan 6 rumah sakit yang efisien berdasarkan PCA-BCC, dari proyeksi perbaikan penilain yang dilakukan perbaikan rumah sakit umum yang tidak efisien mengalami pengurangan yang sangat progresif rata-rata 49% menurut model PCA-CCR, sedangkan pada model PCA-BCC rata-rata 28% pada seluruh inputnya dikedua model tersebut.Kata kunci :Efisiensi, Rumah Sakit Umum, DEA,PCA-CCR,PCA-BCC. 
APLIKASI MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT Maulani, Atiya; Herrhyanto, Nar; Suherman, Maman
Jurnal EurekaMatika Vol. 4, No. 1 (2016): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK. Model regresi linear klasik atau Ordinary Linear Regression (OLR) merupakan bentuk regresi yang umum digunakan untuk menyatakan bentuk hubungan antara variabel respon dengan varabel prediktornya. Regresi linear klasik mengasumsikan bahwa nilai taksiran parameter regresi akan bernilai sama untuk setiap lokasi pen gamatan atau berlaku secara global. Model Geographically Weighted Regression (GWR) adalah bentuk lokal dari regresi linear klasik yang memperhatikan aspek spasial atau lokasi geografis yang berupa koordinat titik  Dalam GWR, nilai taksiran parameter regresi yang diperoleh untuk setiap lokasi pengamatan akan berbeda-beda. Penelitian ini bertujuan untuk mengatahui faktor-faktor yang mempengaruhi kasus gizi buruk anak balita di Jawa Barat dengan menggunakan GWR. Hasil pengujian terhadap model regresi linear berganda menunjukkan bahwa asumsi homogenitas varians tidak terpenuhi atau terjadi heterogenitas spasial, dan model regresi linear berganda yang diperoleh tidak berarti secara signifikan. Sehingga, analisis dilanjutkan dengan menggunakan GWR dengan pembobot fixed Kernel Gaussian dan GWR dengan pembobot adaptive Kernel Gaussian. Berdasarkan nilai  dan jumlah kuadrat residual  model GWR dengan pembobot adaptive Kernel Gaussian lebih cocok digunakan untuk memodelkan kasus gizi buruk anak balita di Jawa Barat. Model GWR dengan pembobot adaptive Kernel Gaussian, menghasilkan  paling besar dibandingkan model regresi linear berganda dan model GWR dengan pembobot fixed Kernel Gaussian, yaitu  atau , dan  yang paling kecil, yaitu . Faktor geografis juga berpengaruh terhadap kasus gizi buruk anak balita di Jawa Barat sehingga akan diperoleh model GWR berbeda-beda untuk setiap kota/kabupaten di Jawa Barat. Adapun faktor-faktor lokal yang mempengaruhi kasus gizi buruk anak balita di Jawa Barat adalah kasus bayi dengan berat badan lahir rendah (BBLR), anak balita mendapat vitamin A, sarana kesehatan, bayi yang diberi ASI eksklusif, penduduk miskin, dan usia perkawinan pertama ≤ 15 tahun.Kata Kunci : Geographically Weighted Regression, Pembobot, Gizi BurukABSTRACT. Ordinary Linear Regression (OLR) model is a form of regression that used to indicate the relationship between the response variable with the predictor variable. Classical linear regression assumes that the value of the regression parameter estimates will have the same value for each observation or apply globally. Geographically Weighted Regression (GWR) model is the local form of the classical linear regression model that takes into account aspects of the spatial or geographic coordinates of a point  In GWR, the estimated value of the regression parameters will vary for each location. This study aims to know the factors that affect malnutrition of toodler in West Java by using GWR. The test results of the multiple linear regression model showed that the assumption of varians homogeneity is not significant or there is spatial heterogeneity, and multiple linear regression models were not significant. Thus, the analysis continued using a GWR with weighted fixed Kenel Gaussian and GWR with adaptive weighted Kernel Gaussian. Based on the value of coefficient determination  and sum of squared residuals, GWR models with adaptive weighted Kernel Gaussian is suitable for modeling the malnutrition of toodler in West Java. GWR models with adaptive weighted kernel Gaussian has an  value that greater than the multiple linear regression model and GWR models with fixed weighting kernel Gaussian, 0.8994658 or 89.95%, and JK (S) is the smallest, 0.2555239. Geographical factors also affect the cases of malnutrition of toodler in West Java that would be obtained GWR models vary according to each city/district in West Java. The local factors affecting malnutrition of toodler in West Java is the case of infants with low birth weight (LBW), infants received vitamin A, health facilities, exclusively breast-fed babies, poverty, and the age of first marriage ≤ 15 years.Key words: Geographically Weighted Regression, Weighting, Malnutrition
PENGGUNAAN REGRESI AKAR LATEN UNTUK MEMPREDIKSI PENJUALAN MOBIL DI AMERIKA SERIKAT TAHUN 1961-1990 Purwanto, Edi; Herrhyanto, Nar; Suherman, Maman
Jurnal EurekaMatika Vol 2, No 1 (2014): Jurnal EurekaMatika
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK:Variabel tak bebas tidak hanya cukup dipengaruhi oleh satu variabel bebas dalam analisis regresi. Semakin banyak variabel bebas yang dilibatkan pada analisis regresi semakin baik pula untuk menaksir variabel tak bebasnya. Akan tetapi, hal ini juga menyebabkan peluang terjadinya multikolinearitas akan semakin besar. Regresi akar laten merupakan salah satu analisis regresi di mana terjadi hubungan di antara variabel-variabel bebasnya. Regresi akar laten akan menggunakan akar laten  (nilai eigen) dan vektor laten (vektor eigen) yang diperoleh dari matriks yang entri-entrinya merupakan variabel bebas dan variabel tak bebas untuk membentuk persamaan regresi. Kata kunci : multikolinearitas, nilai eigen, vektor eigen, regresi akar laten. ABSTRACT: Dependent variableis notonlysufficientlyinfluencedbyanindependent variablein the regression analysis. The moreindependent variableswere includedin theregressionanalysisto estimatethe greater theindependentvariable. However, this is alsocausingthe possibility ofmulticollinearitywill be greater. latentrootregressionis one of theregressionanalysiswhere there isa relationshipbetweenthe independent variables. Latentrootregressionwilluse thelatentroots(eigenvalues) andlatentvectors(eigenvectors) areobtainedfrom thematrixwhose entriesareindependent variablesand thedependent variabletoestablish the regression equation. Keywords: multicollinearity, eigenvalues, eigenvectors, latentrootregression. 
APLIKASI MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION MENGGUNAKAN SOFTWARE MATLAB Herrhyanto, Nar; Suherman, Maman; Andini, Puty
Jurnal EurekaMatika Vol 5, No 1 (2017)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK: Persamaan regresi dapat diterapkan pada kasus derajat kesehatan masyarakat. Indikator derajat kesehatan yang dalam penulisan ini adalah angka harapan hidup dan persentase gizi buruk balita. Jika persamaan mengandung unsur spasial maka tidak bisa di selesaikan menggunakan regresi global karena akan menyebabkan kesimpulan yang diambil kurang tepat. Keragaman spasial akibat faktor geografis dapat diselasaikan dengan pendekatan titik. Pendekatan titik yang digunakan dalam penulisan ini adalah Multivariate Geographically Weighted Regression (MGWR). Menggunakan dua variabel respon, yaitu angka harapan hidup (Y1) dan persentase gizi buruk balita (Y2) dan enam variabel prediktor, yaitu angka melek huruf (X1), rata-rata lama sekolah (X2) Indeks kesejahteraan rakyat (X3), persentase Penduduk dengan sumber air minum PDAM/pipa (X4), persentase penduduk dengan jarak sumber air minum ke tempat penampungan kotoran > 10 meter (X5), dan pengeluaran perkapita penduduk untuk makan (X6). Dalam model MGWR penaksiran parameter diperoleh dengan menggunakan Weighted Least Square (WLS). Fungsi pembobotan yang digunakan fixed kernel Gaussian. Penelitian ini membuat model  derajat kesehatan dengan metode MGWR menggunakan software Matlab dan membuat peta sebaran kabupaten dan kota di Jawa Barat berdasarkan variabel-variabel yang signifikan terhadap derajat kesehatan. Variabel yang di duga mempengaruhi angka harapan hidup (Y1) adalah rata-rata lama sekolah (X2) dan variabel yang di duga mempengaruhi persentase gizi buruk balita (Y2) adalah Angka Melek Huruf (X1). Kata Kunci: Derajat Kesehatan, Multivariate Geographically Weighted Regression (MGWR)   ABSTRACT: The regression equation can be applied in cases of public health degree. Indicators of health, which in this paper are the life expectancy and the percentage of malnourished children under five years old. If the equation contains spatial element it can not be resolved using the global regression because it would lead to inaccurate conclusions drawn. Spatial heterogeneity due to geographical factors can be solved approach point. Point approach used in this paper is Multivariate Geographically Weighted Regression (MGWR) with two response variables, namely life expectancy (Y1) and the percentage of malnourished children under five (Y2) and six predictor variables, ie the literacy rate (X1), the mean the duration of schooling (X2) Index welfare of the people (X3), the percentage of residents with drinking water taps / plumbing (X4), the percentage of people with a distance of drinking water source to the septic tank of > 10 meters (X5), and spending per capita for the population to eat (X6). In the model parameter estimation MGWR obtained by using Weighted Least Square (WLS). Weighting function used fixed kernel Gaussian. This study makes a model using methods MGWR health status with Matlab Software and create distribution maps districts / cities in West Java based on the variables that significantly influence health status. Variables are assumed to affect life expectancy (Y1) is the average length of the school (X2) and the variables that presumably affect the percentage of malnourished children under five (Y2) is ie the literacy rate (X1). Keywords: Health Status, Multivariate Geographically Weighted Regression (MGWR)
REGRESI NONPARAMETRIK BIRESPON SPLINE Nurdiani, Nunung; Herrhyanto, Nar; Dasari, Dadan
Jurnal EurekaMatika Vol 5, No 1 (2017)
Publisher : Program Studi Matematika Jurusan Pendidikan Matematika FPMIPA UPI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK: Salah satu ciri majunya suatu negara adalah dengan majunya pembangunan manusia. Pembangunan manusia berperan penting dalam suatu negara. Faktor-faktor yang berpengaruh terhadap pembangunan manusia, diantaranya pendidikan dan ekonomi. Salah satu komponen yang berpengaruh terhadap Indeks Pembangunan Manusia adalah tingkat pendidikan yang diukur dengan Angka Melek Huruf dan Rata-Rata Lama Sekolah. Dalam penelitian ini metode yang digunakan untuk memodelkan Angka Melek Huruf dan Rata-Rata Lama Sekolah adalah regresi nonparametrik birespon spline. Metode ini digunakan karena Spline memiliki kelebihan yakni model akan cenderung mencari estimasinya kemanapun data tersebut akan bergerak. Pemilihan model terbaik berdasarkan nilai Generalized Cross Validation (GCV) yang minimum. Model terbaik yang dihasilkan dari penelitian ini adalah model linear dengan satu titik knot. Kata kunci : Pembangunan Manusia, Rata-Rata Melek Huruf, Rata-Rata Lama Sekolah, Regresi Nonparametrik Birespon Spline, GCV. ABSTRACT: One feature of progress of a country is the advancement of Human Development. Human Development plays an important role in a country. Factors that influence Human Development, including education and the economy. One of components that affect the Human Development index is measured by the level of education Literacy Rate and Mean Year School. In this research method is used to model Literacy Rate and Mean Year School is nonparametric biresponse spline regression. This method is used because the spline has the advantage that the model will tend to look for the estimate wherever the data is moved. Selecting the best model is based on the minimum Generalized Cross Validation (GCV). Best model resulting from tis researc is a linear model with one knot. Keywords: Human Development, Literacy Rate, Mean Year School, nonparametric biresponse spline regression, GCV
Co-Authors Andini, Puty Andini, Puty Asep Egi Kurniawan, Asep Egi Avip P. M., Bambang Bambang Avip Priatna Martadiputra cakrawala Cucu Cahyati Dadan Dasari Dadang Juandi Dewi Rachmatin Dina Damayanti Dwiningrum Prihastiwi, Dwiningrum Edi Purwanto Elah Nurlaelah Entit puspita Fitriani Agustiani Fitriani Agustina Fitriani agustina Ghaida Azzahra Imam Aji Nugroho Indra Hardiyana, Indra Irma Eldiyana Jarnawi Afgani Dahlan Julianda H., Redicha Maman Suherman Maria TSN marthen Tapilouw Maulani, Atiya Maulani, Atiya Muhammad Robbani Nurdiani, Nunung Nurdiani, Nunung Nurul Hanifah qori maghfiroh Rachmi Dwiyati Rizky Ardhani Simamora, Yesi Kurnia Titia Ningsih Winda Sari Sukarna